door: Otto Koppius, Oliver Giera, Christoph Alessandri & Nicole Deurholt

Het personaliseren van marketingacties richting je fans lijkt een open deur: welke sportorganisatie wil nou niet precies aansluiten bij wat voor die specifieke fan belangrijk is? Toch zijn er in de praktijk wel wat misverstanden hierover, bijvoorbeeld dat je hele geavanceerde statistische technieken nodig hebt of dat je een uitgebreid supportersonderzoek moet (laten) doen. Dat kan allemaal helpen, maar met de bestaande data die sportorganisaties vaak al hebben, in combinatie met relatief toegankelijke statistische technieken en gestructureerde A/B-testen, kun je al een heel eind komen.

Het wordt vaak als de heilige graal gezien van de sportmarketing: personalisatie. Precies aansluiten bij datgene waar die specifieke fan, supporter of klant naar op zoek is, het klinkt als een droom. En natuurlijk kan dat ook veel voordelen bieden, maar tegelijkertijd is personalisatie ook wel met een zweem van mystiek omgeven: heb je daar niet grote enquêtes onder fans voor nodig, ingewikkelde apps of (dure) analytics-expertise van externe bureaus? Is dat niet dusdanig ingewikkeld dat dat iets is voor alleen hele grote sportorganisaties? 

Dat kan, maar dat hoeft niet. We hebben samen met voetbalclub Excelsior onderzoek gedaan om te kijken hoe we meer mensen naar het stadion kunnen krijgen. Daaruit blijkt dat er een hoop laaghangend fruit is waar je al redelijk snel de vruchten van kunt plukken, voordat je naar allerlei ingewikkeldere oplossingen verder gaat.

K-means cluster-analyse
Een van de barrières is de beschikbaarheid van data: natuurlijk kun je enquêtes houden onder supporters, dat kan zeker extra inzichten opleveren, maar daar gaat veel tijd en moeite in zitten en het is vaak moeilijk om een goed representatieve steekproef te krijgen. Dus we zijn begonnen met de data over incidentele stadionbezoekers (het onderzoek richtte zich niet op de seizoenkaarthouders) die al binnen Excelsior beschikbaar waren: wie heeft wanneer in de laatste vier jaar een kaartje gekocht voor welke wedstrijd? Uit deze data konden we een aantal gangbare maatstaven uit de relatiemarketing afleiden: wanneer heeft iemand zijn eerste kaartje gekocht en wanneer zijn meest recente kaartje, hoe vaak heeft iemand kaartje(s) gekocht en hoeveel is er in totaal uitgegeven? Met een K-means cluster-analyse (een relatief toegankelijke analysemethode die in veel datavisualisatie-software standaard ingebouwd zit) hebben we vervolgens een zestal verschillende typen stadionbezoekers afgeleid uit deze maatstaven:

1. Casual Socials: deze komen meerdere seizoenen, meestal voor drie à vier wedstrijden per seizoen, en komen dan vaak met een wat grotere groep.
2. Regulars: deze komen veel wedstrijden gedurende meerdere seizoenen (en zijn bijna vergelijkbaar met seizoenkaarthouders), meestal komen ze met één ander persoon.
3. Loyale irregulars: deze komen net als de regulars al meerdere seizoenen, maar vaak maar één, soms twee wedstrijden. 
4. Freebies: deze maken vaak gebruik van gratis-ticket acties om één wedstrijd per seizoen te bekijken.
5. Historische tryouts: deze hebben één wedstrijd bezocht, vaak met een kleine groep, maar zijn daarna niet of nauwelijks teruggekeerd.
6. Recente tryouts: deze hebben vrij recent hun eerste wedstrijd bezocht (maar nog geen tweede), ook vaak in een kleine groep.

Alles bij elkaar geeft dit al aan dat er veel verscheidenheid op de tribune zit qua stadionbezoekers. Deze verscheidenheid was niet zomaar terug te leiden tot bijvoorbeeld gemiddelde leeftijd (die niet substantieel verschilde tussen clusters) en ook maar deels tot bijvoorbeeld afstand tot de club (alleen de historische tryouts woonden substantieel verder van het stadion dan de andere clusters en de regulars woonden duidelijk dichterbij). Overigens zijn dit wel resultaten die specifiek zijn voor Excelsior, andere voetbalclubs kunnen best ook nog andere typen stadionbezoekers hebben. Maar goed, het feit dat we deze clusters in de data kunnen onderscheiden, hoeft nog niet te betekenen dat we elk cluster ook anders moeten benaderen. Misschien reageren ze allemaal wel hetzelfde op een bepaalde marketingactie en is er dus weinig te personaliseren.

Experiment
Om dat te testen, hebben we bij twee wedstrijden een experiment gedaan, waarbij verschillende combinaties van email-marketing-acties werden getest: werd in de email naar de fans de relatie met de club wel of niet benadrukt, werd er in de email een twee-voor-de-prijs-van-een actie aangeboden of een combinatie van beide. Deze werden willekeurig toegewezen binnen elk cluster, zodat we per cluster konden analyseren welke actie het meest effectief was voor dat cluster.

Hieruit kwamen een aantal interessante resultaten die duidelijk lieten zien dat er veel variatie was in de effectiviteit per cluster: zo werkte een marketing-actie die de relatie met de club benadrukte, goed bij cluster 2 (regulars), maar de combinatie met korting had nauwelijks extra effect, terwijl voor cluster 3 (loyale irregulars) juist de combinatie het beste werkte. De relatie-georiënteerde marketing werkte op zich ook wel bij de casual socials (cluster 1), en leidde tot 1 à 1,5% meer kaartverkoop binnen die groep, maar daar werkte de twee-voor-de-prijs-van een-actie veel beter, namelijk 4 à 5% meer kaartverkoop. De kortingsactie haalde ook een aantal mensen binnen het freebies-cluster en de recente tryouts (clusters 4 en 6) over om een kaartje te kopen, zij het met een veel bescheidener effect van 0.5 à 1%. Voor de historische tryouts (cluster 5) waren de resultaten wat minder duidelijk, wat aangeeft dat de data ook weer niet alleszeggend zijn en dat er waarschijnlijk andere acties nodig zijn om deze mensen weer naar het stadion te krijgen. 

Veel analysemogelijkheden voetbalclubs
Overall laten de resultaten zien dat er veel verscheidenheid zit in de stadionbezoekers, wat zich ook vertaalt in hoe je deze verschillende groepen het beste kan benaderen en dat een duidelijk meetbaar effect kan hebben op stadionbezoek. Hoewel het opzetten en interpreteren van met name de cluster-analyse wel wat tijd kost, is dat geen onneembare horde en is dat een investering die zich duidelijk uitbetaalt. Het feit dat dit soort analyses en experimenten met relatief eenvoudige middelen kunnen (de meeste data-visualisatiesoftware en CRM-software hebben dit standaard ingebouwd) en zonder extra dataverzameling, betekent dat er veel mogelijkheden liggen voor voetbalclubs en andere sportorganisaties die maar beperkte middelen hebben.

Otto Koppius is universitair docent Business Analytics op de Rotterdam School of Management, Erasmus Universiteit. Hij doet vooral onderzoek naar toepassingen van nieuwe databronnen zoals wearables en nieuwe analysemethoden om vraagstukken rondom talentmanagement, coördinatie in teams en de fysieke en mentale fitheid van atleten en werknemers te bestuderen. Naast zijn universitaire werk is hij roeicoach en heeft hij meerdere ploegen naar wereldkampioenschappen en andere grote toernooien begeleid. Voor meer informatie: okoppius@rsm.nl.

Oliver Giera is in 2020 afgestudeerd bij de Rotterdam School of Management met een Master in International Management met een focus op data analytics. Daarvoor had hij gestudeerd aan de Universiteit van St. Gallen in Zwitserland en gewerkt als business analist en consultant voor diverse internationale bedrijven. Dit artikel is deels gebaseerd op zijn scriptie.

Christoph Alessandri is in 2020 afgestudeerd bij de Rotterdam School of Management met een Master in International Management. Daarvoor had hij gestudeerd aan de Ludwig Maximilian Universiteit in München. Hij is gefocust op hoe organisaties waarde kunnen creëren uit hun bestaande data door middel van data analytics. Dit artikel is deels gebaseerd op zijn scriptie.

Nicole Deurholt is 7 jaar geleden afgestudeerd aan de Erasmus Universiteit met een Master in Economics and Business met een specialisatie in Marketing, en vervolgens verder gestudeerd in de richting van Online Marketing en NIMA B. Daarna heeft ze eerst 2,5 jaar als Online Marketeer bij een projectontwikkelaar gewerkt en vervolgens de transfer gemaakt naar Excelsior Rotterdam. Daar is ze inmiddels ruim 3,5 jaar werkzaam als Marketing Manager bij Excelsior Rotterdam en verantwoordelijk voor marketing, ticketing, merchandise communicatie & media.